La naturaleza puede ser una gran fuente de inspiración para los algoritmos de inteligencia artificial porque su tecnología es considerablemente más avanzada que la nuestra. Entre sus maravillas se encuentran la IA fuerte, la nanotecnología y la robótica avanzada. Por lo tanto, la naturaleza puede servir de guía para la resolución de problemas de la vida real. En este libro, encontrará algoritmos influenciados por hormigas, abejas, genomas, aves y células que proporcionan métodos prácticos para muchos tipos de situaciones de IA. Aunque la naturaleza es la musa detrás de los métodos, no estamos duplicando sus procesos exactos. Los complejos comportamientos en la naturaleza simplemente proporcionan inspiración en nuestra búsqueda para obtener nuevas perspectivas sobre los datos. Artificial Intelligence for Humans es una serie de libros destinados a enseñar IA a aquellos lectores que carecen de una amplia formación matemática. El lector solo necesita conocimientos básicos de álgebra universitaria y programación informática. Se explican a fondo temas adicionales. Cada capítulo también incluye un ejemplo de programación. Los ejemplos se proporcionan actualmente en Java, C# y Python. Se están planificando otros lenguajes. No se necesitan conocimientos de biología para leer este libro. Con un prólogo de Dave Snell.
Autor: Jeff HeatonEditorial: Createspace Independent Publishing Platform
Publicado: 28/05/2014
Páginas: 244
Tipo de encuadernación: Tapa blanda
Peso: 0.94lbs
Tamaño: 9.25h x 7.50w x 0.51d
ISBN13: 9781499720570
ISBN10: 1499720572
Categorías BISAC:-
Computadoras |
Inteligencia (IA) y SemánticaSobre el autor
Jeff Heaton, PhD, es un científico informático que se especializa en ciencia de datos e inteligencia artificial. Especializado en Python, R, Java y C#, es un colaborador de código abierto y autor de más de diez libros. Sus áreas de especialización incluyen el modelado predictivo, la minería de datos, el big data, la inteligencia empresarial y la inteligencia artificial. Jeff tiene una Maestría en Gestión de la Información de la Universidad de Washington y un PhD en ciencias de la computación de la Universidad Nova Southeastern en ciencias de la computación. Es el desarrollador principal del proyecto de código abierto Encog Machine Learning Framework, miembro senior del IEEE y miembro del Life Management Institute (FLMI).
Este título no es retornable
